本文關鍵詞：基于HRRP的自動目標識別技術研究

  更多相關文章： HRRP 自動目標識別 組合特征 SVM 稀疏保持投影

【摘要】：雷達自動目標識別在現(xiàn)代戰(zhàn)爭環(huán)境中發(fā)揮著重要的作用。其中寬帶雷達獲取的高分辨一維距離像(High Resolution Range Profile,HRRP)反映了目標散射中心沿雷達視線方向的分布情況,包含了豐富的目標結構和形狀信息,因此基于HRRP的目標識別引起了國內外廣泛的關注。本文以HRRP目標散射特性為出發(fā)點進行HRRP目標識別研究。首先介紹當目標散射點模型不變的情況下HRRP的回波特性。然后針對HRRP回波特性,給出基于組合特征與SVM(Support Vector Machine,SVM)的HRRP目標識別算法。該方法首先提取非相干平均距離像與中心矩特征,然后將兩種特征串行組合成新的特征,最后采用SVM分類器進行分類識別。利用美國運動與靜止目標獲取與識別(Moving and Stationary Target Acquisition and Recognition,MSTAR)實測SAR(Synthetic Aperture Radar,SAR)HRRP數(shù)據進行實驗,實驗結果表明該方法在方位未知的情況下能夠明顯提高目標的識別率,是一種有效的HRRP目標識別方法。另外,論文將稀疏表示應用在HRRP目標識別中,給出基于組合特征的監(jiān)督型稀疏保持投影算法。由于稀疏保持投影(Sparse Preserving Projection,SPP)是一種無監(jiān)督算法,尤其對于監(jiān)督型問題不能充分利用類別信息,因此在SPP基礎上,引入類別信息給出了監(jiān)督型稀疏保持投影(Supervised Sparse Preserving Projection,S2PP)算法,即對每一個樣本求解稀疏系數(shù)時,只用同類別的訓練樣本去線性表示,然后將稀疏系數(shù)引入到特征提取中,最后通過數(shù)據的稀疏重建關系構造目標函數(shù)得到低維特征向量。S2PP不僅使得提取的低維特征能夠保持稀疏重構特性,而且消除了異類目標對稀疏表示的影響。鑒于組合特征具有很好的判別性,因此選擇在組合特征域中進行監(jiān)督型稀疏保持投影。利用MSTAR數(shù)據進行實驗,得到了較好的實驗結果。
【關鍵詞】：HRRP 自動目標識別 組合特征 SVM 稀疏保持投影
【學位授予單位】：中國民航大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN957.51
【目錄】：

• 摘要6-7
• Abstract7-11
• 第一章 緒論11-17
• 1.1 課題研究背景及意義11-12
• 1.2 國內外研究現(xiàn)狀12-15
• 1.3 本文結構安排15-17
• 第二章 HRRP目標識別技術基本理論17-27
• 2.1 引言17
• 2.2 HRRP回波特性17-20
• 2.2.1 HRRP散射點模型保持不變的條件17-18
• 2.2.2 單個距離單元的回波特性18-20
• 2.3 HRRP ATR研究的主要內容20-23
• 2.3.1 HRRP預處理技術20-22
• 2.3.2 HRRP特征提取技術22
• 2.3.3 HRRP分類技術22-23
• 2.4 HRRP ATR的主要難點23
• 2.5 實驗數(shù)據介紹23-26
• 2.6 本章小結26-27
• 第三章 基于組合特征和SVM的HRRP目標識別27-41
• 3.1 引言27
• 3.2 HRRP特征提取27-30
• 3.2.1 非相干平均距離像特征提取28
• 3.2.2 中心矩特征提取28-30
• 3.3 HRRP分類器設計30-35
• 3.3.1 最近鄰模糊分類器30-32
• 3.3.2 SVM分類器32-35
• 3.3.2.1 線性支持矢量機32-34
• 3.3.2.2 非線性支持矢量機34-35
• 3.4 基于組合特征和SVM的HRRP目標識別35-36
• 3.4.1 訓練過程35-36
• 3.4.2 識別過程36
• 3.5 實驗結果及分析36-40
• 3.5.1 實驗結果36-37
• 3.5.2 實驗結果分析37-40
• 3.6 本章小結40-41
• 第四章 基于組合特征的監(jiān)督型稀疏保持投影算法41-61
• 4.1 引言41-42
• 4.2 稀疏保持投影原理介紹42-43
• 4.3 監(jiān)督型稀疏保持原理介紹43-45
• 4.4 算法框圖45-46
• 4.5 基于組合特征的監(jiān)督型稀疏保持投影算法46-47
• 4.5.1 訓練過程46
• 4.5.2 識別過程46-47
• 4.6 實驗結果及分析47-60
• 4.6.1 實驗結果47
• 4.6.2 實驗結果分析47-60
• 4.7 本章小結60-61
• 第五章 總結與展望61-63
• 5.1 本文工作總結61
• 5.2 未來工作展望61-63
• 參考文獻63-69
• 致謝69-70
• 碩士攻讀期間所發(fā)表的論文70

【參考文獻】

中國期刊全文數(shù)據庫 前10條

1 張新征;劉書君;秦建紅;黃培康;;基于距離像時頻非負稀疏編碼的SAR目標識別[J];系統(tǒng)工程與電子技術;2014年10期

2 張瑞;牛威;寇鵬;;基于樣本緊密度的雷達高分辨距離像識別方法研究[J];電子與信息學報;2014年03期

3 陳允輝;李環(huán);馬巖;張麗平;;雷達目標一維距離像的偶數(shù)階中心矩特征的識別[J];沈陽理工大學學報;2013年05期

4 童濤;楊桄;李昕;葉怡;王壽彪;;基于D-S證據理論的多特征融合SAR圖像目標識別方法[J];國土資源遙感;2013年02期

5 馮博;杜蘭;張學峰;劉宏偉;;基于字典學習的雷達高分辨距離像目標識別[J];電波科學學報;2012年05期

6 張新征;劉書君;黃培康;;基于時頻矩陣非負分解特征的多視角SAR目標識別[J];宇航學報;2012年09期

7 張新征;黃培康;;基于復值HRRP CICA特征的多方位SAR目標識別[J];系統(tǒng)工程與電子技術;2012年02期

8 孫菲;梁菁;任杰;劉先康;魏存?zhèn)?;一種基于高階譜特征的艦船目標識別方法[J];艦船科學技術;2011年07期

9 周諾;陳煒;;基于稀疏表示的高分辨距離像自動目標識別(英文)[J];Chinese Journal of Aeronautics;2010年05期

10 史穎超;李俠;程東升;毛華春;;窄帶雷達飛機目標識別方法綜述[J];艦船電子工程;2010年02期

中國博士學位論文全文數(shù)據庫 前3條

1 廖闊;基于高分辨距離像的雷達自動目標識別研究[D];電子科技大學;2012年

2 劉華林;高分辨距離像雷達自動目標識別研究[D];電子科技大學;2008年

3 周代英;雷達目標一維距離像識別研究[D];電子科技大學;2001年

中國碩士學位論文全文數(shù)據庫 前3條

1 侯彬;基于稀疏表示的典型相關分析算法研究[D];南京理工大學;2013年

2 陳渤;絕對對齊算法在雷達高分辨距離像（HRRP）目標識別中的研究與應用[D];西安電子科技大學;2006年

3 高倩;基于高分辨率雷達距離像的自動目標識別研究[D];南京航空航天大學;2002年

，

本文編號：776677